人工智能领域是怎样实现大跨越

1月2日，阿里巴巴达摩院发布了2020十大科技趋势，对AI、芯片、区块链、量子计算等领域的发展做出新预测。趋势触动业界神经，也引发了研究者关注。来自清华大学、浙江大学、复旦大学、中科院自动化所、中科院计算所等高校和研究机构的专家，从科研和产业等维度对整体趋势进行了点评。

趋势报告释放“科技浪潮新十年”的积极信号，更断言芯片和人工智能等领域将出现颠覆性突破。清华大学工程科技战略研究院副院长薛澜表示：“达摩院的预测让我们看到了前沿科技领域的发展趋势和基础领域的持续突破，更给我们展现了未来技术跨界融合的新图景。”

60年芯片产业迎来新变革

经历长达60年的性能持续跃迁，芯片产业在近几年逐渐失速，单个芯片性能的增长接近停滞。业界纷纷用AI加速来替代传统通用芯片，以满足人工智能等复杂场景的算力需求。达摩院认为，发展AI专用芯片固然紧要，但要匹配未来世界的算力需求，芯片产业需从底层架构上寻求根本性突破，具体来说，就是摆脱存储、计算分离的传统冯·诺依曼架构。

这一观点逐渐成为业界的共识，图灵奖得主、加州伯克利大学计算机科学教授DavidPatterson曾表示：“随着摩尔定律的终结，为了获得更快性能的计算机，唯一方法就是改进计算机的设计或‘架构’——未来5至10年将出现计算机架构的黄金时代。”

达摩院明确提到了新架构的方向，即类似脑神经结构的计算存储一体化架构，它将数据存储单元和计算单元融合为一体，减少数据搬运，大幅提高计算效率。

对此，复旦大学微电子学院教授韩军表示，传统架构的缺陷在人工智能等需处理海量数据的应用中表现得最为明显，芯片算力完全受制于访存带宽，同时总体功耗因计算与存储之间的高带宽数据流动而急剧飙升，将数据存储和计算相融合，是解决这一困境的重要途径。

清华大学长聘教授尹首一也对该方向表示认可，他认为，目前存储器芯片的发展速度远低于处理器芯片的发展速度，两者之间的代差不断拉大，拉近计算部件与存储部件的距离是解决该问题的根本手段。

达摩院还提到，未来芯片不仅要解决算力问题，还要满足AIoT场景下快速迭代、定制化设计的需求，这将催生全新的芯片设计方式，基于芯粒（Chiplet）的模块化设计方法可以取代传统购买IP设计芯片的方式，让芯片设计变得像搭积木一样快速。

这意味着，大企业研发芯片、小企业用芯片的结界将被打破，任何企业都可以设计自己的专属芯片。这背后是市场需求的变化，尹首一认为，“传统芯片设计产业模式以追求量大面广为目标，未来，小步试错、快速迭代会是芯片企业的核心诉求。”

中科院计算所研究员包云岗表示：“开源芯片、敏捷设计、Chiplet等一系列新的芯片设计方法与模式已快速发展并相互融合，这将直接提高芯片模块的复用度，从而缩短芯片设计周期、降低芯片设计成本。”

计算大脑的升级将加速整个IT技术的创新，一旦芯片能够快速适配软件应用，就能催生更高效的软硬件协同的解决方案。

芯片生态建设也是学界普遍关注的问题，韩军指出，“开源芯片社区的基础设施建设极为迫切，产学研各界也需要提供更多的技术赋能，使上下游企业都能受益于新的芯片设计模式。”

认知智能是实现强人工智能的关键突破口

自1956年人工智能概念提出以来，业界逐步将人工智能拆解为计算智能、感知智能和认知智能三层，在计算智能方面，机器早已远远超过人类；在感知智能方面，机器的语音识别、图像识别、自然语言处理技术也已达到可媲美人类的水平；但在认知智能领域，例如理解、思考及推理等技能，机器与人类仍有较大差距。

达摩院认为，结合认知心理学、脑科学、人类社会历史及跨领域知识图谱、因果推理、持续学习等技术，可让AI具备自主意识、推理能力以及情绪感知能力。

浙江大学人工智能研究所所长吴飞评论，当前的人工智能存在很多缺陷，例如感知智能适应性差、认知机理不明、通用智能发展乏力等问题，这是业界需向认知智能研究迈进的主要原因。

这是机器人的一次质变。“实现认知智能就意味着机器可以主动了解事物发展的背后规律和因果关系， 而不再只是简单的统计拟合，举例来说，未来人工智能不仅能够代替人类完成重复性的工作，同时能够和人一样自主思考、自我进化。” 中科院自动化所模式识别国家重点实验室研究员王金桥表示。

如果这一关键技术得以突破，我们将会见证越来越多比AlphGo更强大的人工智能，例如以后会出现双商在线的机器人，既能陪人类聊天，又能处理复杂计算任务。

这一目标也许没有想象中那么遥远，清华大学计算机系副主任唐杰表示，发展认知智能，认知图谱被认为是一种可行方案，认知图谱是将将知识图谱、认知推理以及逻辑生成几种技术相融合的结果，不过，这项技术仍然有待学术界和工业界进一步探索。

在5G网络、IoT协同感知等技术加持下，人工智能还有望持续进化。达摩院预测，今后AI将不仅懂得“人机协同”，还能做到“机机协同”，实现群体智能。

由“机机协同”带来的群体智能将进一步放大智能系统的价值， 在大规模智能网络中，多智能体强化学习可以让机器与机器之间达成交流与协作。

吴飞表示，进化后的人工智能将促进人类社会生活、生产和消费模式巨大变革，由机器单独完成单一任务发展到机器相互协作完成城市级复杂任务，这一变化值得期待。等到机器像人一样，彼此合作、相互竞争共同完成目标任务，就会出现达摩院预测的哪些场景：大规模智能交通灯调度、仓储机器人协作分拣货物、无人驾驶车自主感知全局路况等。

责任编辑：ct